基于人工智能疾病編碼現(xiàn)狀及應(yīng)對策略

韓琳 吳良文 李春生 吳怡蕾

摘要：人工智能（AI）是一種新興的學(xué)科，依托計(jì)算機(jī)模擬人類智能行為，是人工智能為重要組成部分。同時(shí)，隨著專家決策系統(tǒng)、智能化識別的發(fā)展，使其在疾病編碼中應(yīng)用得進(jìn)一步拓展。因此，基于人工智能，分析疾病編碼及其關(guān)系，能指導(dǎo)臨床診療。同時(shí)，應(yīng)用編碼系統(tǒng)還能更好實(shí)現(xiàn)醫(yī)院與醫(yī)保系統(tǒng)對接。綜上所述，應(yīng)用國際疾病分類（ICD-10）標(biāo)準(zhǔn)，以信息化為支撐，對相關(guān)診斷分組（DRGs）的基礎(chǔ)的預(yù)付費(fèi)制度進(jìn)行分析，能指導(dǎo)醫(yī)生完成病歷的書寫、疾病的編碼，能在一定程度上影響醫(yī)療保險(xiǎn)基金及醫(yī)療經(jīng)濟(jì)收入，對于臨床疾病的診斷、促進(jìn)醫(yī)院的發(fā)展具有重要的意義。因此，該研究將以人工智能疾病編碼為起點(diǎn)，分析當(dāng)前我國人工智能疾病的發(fā)現(xiàn)現(xiàn)狀、存在的問題，針對存在的問題提出相應(yīng)的應(yīng)對策略。

關(guān)鍵詞：疾病編碼;現(xiàn)狀;對策

中圖分類號：TP18? ? ? 文獻(xiàn)標(biāo)識碼：A

文章編號：1009-3044（2021）33-0081-02

開放科學(xué)（資源服務(wù)）標(biāo)識碼（OSID）：

1 背景

人工智能是一種新興的技術(shù)，該方法以計(jì)算機(jī)為主要工具，通過模擬人類的智能行為為主。既往研究表明：人工智能是知識工程的重要組成部分，借助專家系統(tǒng)能有效地實(shí)現(xiàn)疾病的預(yù)測、診斷[1]。我國臨床上對于疾病的診斷更多以國際疾病分類（ICD）作為基礎(chǔ)，廣泛用于醫(yī)療不同領(lǐng)域。同時(shí)，隨著醫(yī)療技術(shù)的不斷發(fā)展，人工智能的使用已經(jīng)拓展到非致死性疾病，并廣泛用于疾病的統(tǒng)計(jì)、診斷。因此，加強(qiáng)人工智能疾病編碼，有助于促進(jìn)醫(yī)院的發(fā)展，能獲得良好的預(yù)后[2]。本文將以人工智能疾病編碼為起點(diǎn)，分析當(dāng)前我國人工智能疾病的發(fā)現(xiàn)現(xiàn)狀、存在的問題，針對存在的問題提出相應(yīng)的應(yīng)對策略，綜述如下。

2 疾病與疾病編碼庫的關(guān)系

疾病是一個(gè)相對復(fù)雜的過程，加強(qiáng)疾病的診斷對改善預(yù)后具有重要的作用。既往研究表明：隨著疾病種類、數(shù)量的增多，疾病變化的特定決定了疾病的診斷方式及形式。但是，疾病的分類編碼屬于是一種動態(tài)變化的過程，理想的疾病編碼應(yīng)該囊括所有的疾病，并形成映射關(guān)系[3]。

疾病編碼的過程是受到的影響因素較多，正如知識是例題，規(guī)則屬于集合，但是例題與集合之間又存在緊密的聯(lián)系。通過一定的規(guī)則進(jìn)行推理、分析，能較為準(zhǔn)確地把握疾病的本質(zhì)，可輔助臨床診療。國內(nèi)學(xué)者研究表明：控制性知識能客觀地處理認(rèn)識疾病，實(shí)現(xiàn)疾病的輔助診療。因此，了解知識庫能從全局的角度把握疾病、認(rèn)識疾病，實(shí)現(xiàn)疾病的診療。從狹義角度看，疾病編碼更多地依賴于專家決策系統(tǒng)，并由數(shù)據(jù)層、控制層及知識庫等組成。但是，廣義的疾病編碼更多關(guān)注不同領(lǐng)域的專家系統(tǒng)。因此，將人工智能用于疾病編碼中，應(yīng)將其視為專業(yè)系統(tǒng)。既往研究表明：人工智能的疾病編碼，能根據(jù)一定的規(guī)則，通過控制策略，實(shí)現(xiàn)疾病的分類、編碼，從而充分發(fā)揮人工智能疾病編碼優(yōu)勢[4]。

3 疾病診斷的發(fā)展現(xiàn)狀分析

近年來，雖然我國的醫(yī)療水平得到明顯的提高，但是醫(yī)院實(shí)際運(yùn)行過程中存在的問題相對較多，導(dǎo)致單病種向DRGs的使用、過渡難度較大。從以往研究結(jié)果看出，單病種收費(fèi)不僅要提高醫(yī)療質(zhì)量，又需要站在患者的角度，充分考慮其醫(yī)療費(fèi)用，盡可能降低醫(yī)療風(fēng)險(xiǎn)，減輕患者及社會經(jīng)濟(jì)負(fù)擔(dān)。同時(shí)，隨著人們生活方式、飲食習(xí)慣的改變，導(dǎo)致臨床疾病呈多樣性、復(fù)雜性等特點(diǎn)，均會增加臨床診療難度。

人工智能疾病編碼用于疾病診斷中具有以下優(yōu)點(diǎn)：1）借助人工智能編碼能減輕、釋放大量的勞動力，減輕醫(yī)護(hù)人員工作強(qiáng)度。借助人工智能編碼能對常見病較為輕松、方便地進(jìn)行診斷，避免長時(shí)間翻閱書籍造成資源浪費(fèi);2）能較好地現(xiàn)代信息管理技術(shù)要求。人工智能疾病編碼的使用充分利用計(jì)算機(jī)和計(jì)算機(jī)網(wǎng)絡(luò)技術(shù)，并將其用于醫(yī)療信息管理中，能大大釋放勞動力，提高醫(yī)院的工作效率[5]。

4 疾病診斷問題及其原因分析

當(dāng)前醫(yī)療改革不斷深入，主要原因是：患者疾病類型較多、病情較為復(fù)雜，導(dǎo)致患者住院時(shí)間較長，導(dǎo)致醫(yī)療費(fèi)用較高，增加醫(yī)保壓力。為了降低患者住院費(fèi)用，多數(shù)醫(yī)院均能結(jié)合本院情況進(jìn)行制度改革，盡可能控制醫(yī)療費(fèi)用，使得DRGs成為當(dāng)前研究的熱點(diǎn)[6]。目前，DRGs是較為先進(jìn)的支付方式，并實(shí)現(xiàn)按人頭支付、按疾病類型支付、按床位支付等多種付費(fèi)方式，不僅能提高醫(yī)院的運(yùn)行效率，亦可促進(jìn)醫(yī)院的持續(xù)性發(fā)展。

從大的角度來說，DRGs最早從疾病的統(tǒng)計(jì)、分類中演變獲得，但是起初的DRGs較為籠統(tǒng)，并未在臨床得到有效的使用。既往研究表明：疾病的編碼應(yīng)能實(shí)現(xiàn)疾病的分類，并實(shí)現(xiàn)臨床疾病的診療。因此，DRGs實(shí)際使用時(shí)應(yīng)實(shí)現(xiàn)疾病的細(xì)化、分類。目前，我國多數(shù)醫(yī)院的社會醫(yī)療保障更多地面向患者。同時(shí)，隨著政府報(bào)銷比例的調(diào)整，使得城鎮(zhèn)職工醫(yī)療保險(xiǎn)賠付力度得到明顯的提高，均初步形成DRGs。但是，DRGs臨床使用時(shí)亦存在諸多局限性，醫(yī)院根據(jù)不同疾病進(jìn)行報(bào)銷時(shí)費(fèi)用存在差異，并未形成統(tǒng)一的公式，導(dǎo)致該方法臨床使用存在諸多局限性。同時(shí)，與臨床和DRGs一樣，DRGs使用時(shí)存在諸多需求上的矛盾，如：用于宏觀調(diào)控疾病診治費(fèi)用的單病種管理，用于遠(yuǎn)程會診的疾病診斷;用于電子病歷中的臨床疾病分類的使用等，均需要進(jìn)一步完善及改進(jìn)[7]。

5 疾病診斷問題的應(yīng)對策略

5.1 收付一體，使廣大患者受益

當(dāng)前我國醫(yī)保制度更多地側(cè)重于城鎮(zhèn)醫(yī)保，新農(nóng)合無論從使用便捷還是報(bào)銷額度上，都無法與城鎮(zhèn)醫(yī)保相比，而商業(yè)醫(yī)療保險(xiǎn)則不歸屬這一范圍。應(yīng)用人工智能疾病編碼系統(tǒng)，DRGs實(shí)施過程中充分考慮醫(yī)院的收費(fèi)、醫(yī)保支付等問題，進(jìn)一步明確不同費(fèi)用的標(biāo)準(zhǔn)，最大限度減少院外費(fèi)用，讓廣大參?；颊弑M可能從醫(yī)改中獲益;軟件開發(fā)過程中，應(yīng)根據(jù)軟件的生命周期劃分不同的階段，不同的階段產(chǎn)出不同的文檔，并根據(jù)不同的需求進(jìn)行調(diào)整[8]。

5.2 綜合打包，控制醫(yī)療費(fèi)用不合理上漲

基于人工智能疾病編碼系統(tǒng)的DRGs付費(fèi)方式改革是一項(xiàng)系統(tǒng)任務(wù)，涉及醫(yī)療改革、醫(yī)保激勵(lì)等多項(xiàng)措施，核心是推動醫(yī)院付費(fèi)方式轉(zhuǎn)型升級，從傳統(tǒng)總額付費(fèi)、單病種付費(fèi)、項(xiàng)目付費(fèi)方式轉(zhuǎn)向“全成本綜合打包付費(fèi)”方式（DRGs付費(fèi)方式）轉(zhuǎn)變。相對于傳統(tǒng)項(xiàng)目付費(fèi)方式，DRGs付費(fèi)方式克服了傳統(tǒng)付費(fèi)過度醫(yī)療、醫(yī)療服務(wù)下降、適用范圍較窄等缺點(diǎn)，較好兼顧了政府、醫(yī)院、患者三者權(quán)益，在醫(yī)院效益、醫(yī)療質(zhì)量、患者負(fù)擔(dān)能力之間達(dá)到良好平衡[9]。

5.3 分級定價(jià)，促進(jìn)分級診療格局形成

DRGs付費(fèi)改革，采取分級定價(jià)方式，可從源頭上保障醫(yī)療質(zhì)量，同時(shí)對調(diào)節(jié)醫(yī)院、患者杠桿作用也有著重要意義。具體來講，實(shí)行分級定價(jià)制度，通過價(jià)格杠桿調(diào)整，可引導(dǎo)一些普通疾病、常見疾病患者到社區(qū)衛(wèi)生院、附近醫(yī)院就診，實(shí)現(xiàn)科學(xué)合理分流，減少大醫(yī)院人員堆積。同時(shí)，也有利于上級醫(yī)院向下級醫(yī)院轉(zhuǎn)診，促進(jìn)分級診療制度形成[10]。最后，通過改革，減少了基層醫(yī)療機(jī)構(gòu)無人問津現(xiàn)象，實(shí)現(xiàn)了社會資源的合理有效利用。

5.4 綜合績效評價(jià)，建立醫(yī)療質(zhì)量和費(fèi)用管控體系

DRGs付費(fèi)方法，可以將不同醫(yī)院中相似的病歷分到同一個(gè)組中。通過這一做法，醫(yī)療行政主管部門可據(jù)此對各醫(yī)療機(jī)構(gòu)進(jìn)行客觀評價(jià)，形成良性循環(huán)。疾病編碼是影響DRGs分組準(zhǔn)確程度的最重要因素之一。目前疾病編碼基本由人工編碼完成，所以DRGs分組準(zhǔn)確程度在很大程度上取決于人為因素。所以基于大數(shù)據(jù)的人工智能疾病編碼系統(tǒng)的研究對DRGs技術(shù)的推廣和應(yīng)用意義十分重大。

6 結(jié)束語

綜上所述，醫(yī)院以治病救人為己任，能保證我國居民的健康。隨著我國醫(yī)療制度的不斷改革，我國的醫(yī)療體系得到進(jìn)一步發(fā)展。借助統(tǒng)一的疾病診斷能實(shí)現(xiàn)相關(guān)標(biāo)準(zhǔn)的支付，有助于減少疾病誤診與漏診。同時(shí)，借助人工智能的DRGs能讓更多的患者得到便利，有助于科學(xué)診療、合理用藥，提高醫(yī)院的醫(yī)療質(zhì)量，避免醫(yī)療資源的浪費(fèi)。

參考文獻(xiàn)：

[1] 欒玉紅，王魯卿，劉豐杰，等.軍隊(duì)醫(yī)院推行DRGs預(yù)付費(fèi)制度的可行性分析[J].實(shí)用醫(yī)藥雜志，2015，32（6）：576-577.

[2] 朱艷艷，蘇靜，鄭榮緯，等.基于病案管理系統(tǒng)的軍隊(duì)醫(yī)院首頁在線質(zhì)控[J].中國數(shù)字醫(yī)學(xué)，2016，11（3）：90-92.

[3] 明帥.基于深度學(xué)習(xí)人工智能輔助診斷糖尿病視網(wǎng)膜病變研究現(xiàn)狀及展望[J].中華實(shí)驗(yàn)眼科雜志，2019，28（8）：684-688.

[4] 盧巖，陳娟，張婷，等.基于ClinicalTrials.gov的醫(yī)學(xué)人工智能臨床試驗(yàn)注冊現(xiàn)狀分析[J].中國數(shù)字醫(yī)學(xué)，2020，15（3）：31-34.

[5] 曾玲，張輝潔，冉明會，等.人工智能時(shí)代科技期刊應(yīng)對學(xué)術(shù)不端問題的研究進(jìn)展[J].中國科技期刊研究，2020，31（3）：270-275.

[6] 呂一博，韋明，林歌歌.基于專利計(jì)量的技術(shù)融合研究：判定、現(xiàn)狀與趨勢——以物聯(lián)網(wǎng)與人工智能領(lǐng)域?yàn)槔齕J].科學(xué)學(xué)與科學(xué)技術(shù)管理，2019，40（4）：16-31.

[7] 倪炯，王培軍.醫(yī)學(xué)影像人工智能的現(xiàn)狀與未來[J].中華醫(yī)學(xué)雜志，2021，101（7）：455-457.

[8] 鮑豫鴻.基于大數(shù)據(jù)時(shí)代計(jì)算機(jī)網(wǎng)絡(luò)技術(shù)中人工智能的應(yīng)用解析[J].粘接，2020，43（9）：98-101.

[9] 劉進(jìn)，呂文晶.人工智能創(chuàng)新與中國高等教育應(yīng)對（下）[J].高等工程教育研究，2019（2）：62-72.

[10] 許強(qiáng)，張其銳，盧光明.新一代醫(yī)學(xué)影像人工智能臨床轉(zhuǎn)化現(xiàn)狀與挑戰(zhàn)[J].中華放射學(xué)雜志，2019，53（11）：913-915.

【通聯(lián)編輯：謝媛媛】